Začněte nyníZačněte zdarma

Analýza metrik podle třídy

Agregované metriky jsou užitečným ukazatelem výkonu modelu, ale často je přínosné podívat se na metriky zvlášť pro každou třídu. To může odhalit třídy, ve kterých model zaostává.

V tomto cvičení znovu spustíš vyhodnocovací smyčku, abys zjistil/a přesnost našeho klasifikátoru oblaků – tentokrát ale pro každou třídu zvlášť. Pak tyto hodnoty namapuješ na názvy tříd, abys je mohl/a interpretovat. Precision je jako obvykle již naimportovaná. Hodně štěstí!

Toto cvičení je součástí kurzu

Intermediate Deep Learning with PyTorch

Zobrazit kurz

Pokyny k cvičení

  • Definuj metriku přesnosti vhodnou pro výsledky na úrovni jednotlivých tříd.
  • Vypočítej přesnost pro každou třídu tak, že dokončíš slovníkové porozumění a budeš iterovat přes .items() atributu .class_to_idx datasetu dataset_test.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Define precision metric
metric_precision = Precision(
    ____, ____, ____
)

net.eval()
with torch.no_grad():
    for images, labels in dataloader_test:
        outputs = net(images)
        _, preds = torch.max(outputs, 1)
        metric_precision(preds, labels)
precision = metric_precision.compute()

# Get precision per class
precision_per_class = {
    k: ____[____].____
    for k, v 
    in ____
}
print(precision_per_class)
Upravit a spustit kód